| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 数据库营销简介 | 第10-11页 |
| 1.2 数据挖掘技术 | 第11-12页 |
| 1.3 本文的主要研究内容 | 第12-14页 |
| 第二章 理论简介 | 第14-35页 |
| 2.1 二分类Logistic回归模型 | 第14-20页 |
| 2.1.1 二分类Logistic回归模型简介 | 第14页 |
| 2.1.2 Logistic回归模型参数估计 | 第14-16页 |
| 2.1.3 Logistic回归模型拟合优度 | 第16-18页 |
| 2.1.4 Logistic回归模型参数显著性检验 | 第18-20页 |
| 2.2 神经网络模型 | 第20-27页 |
| 2.2.1 神经网络简介 | 第20-21页 |
| 2.2.2 神经网络学习规则 | 第21-22页 |
| 2.2.3 BP神经网络模型简介 | 第22页 |
| 2.2.4 BP神经网络模型的学习算法 | 第22-26页 |
| 2.2.5 BP神经网络模型的缺陷及其产生的原因 | 第26-27页 |
| 2.3 决策树模型 | 第27-33页 |
| 2.3.1 决策树算法简介 | 第27-29页 |
| 2.3.2 几种主要的决策树算法 | 第29-32页 |
| 2.3.3 决策树的主要特点 | 第32-33页 |
| 2.4 广义可加模型 | 第33-35页 |
| 2.4.1 广义可加模型简介 | 第33页 |
| 2.4.2 广义可加模型的数学形式 | 第33页 |
| 2.4.3 广义可加模型的建立 | 第33-35页 |
| 第三章 模型建立流程 | 第35-40页 |
| 3.1 数据的准备 | 第35-37页 |
| 3.1.1 数据选择 | 第35页 |
| 3.1.2 数据处理 | 第35-37页 |
| 3.2 变量的初步筛选 | 第37-38页 |
| 3.3 模型的建立与评价 | 第38-39页 |
| 3.3.1 模型的建立 | 第38-39页 |
| 3.3.2 模型的评价 | 第39页 |
| 3.4 模型的实施、跟踪、维护 | 第39-40页 |
| 第四章 实例研究 | 第40-55页 |
| 4.1 数据背景简介 | 第40页 |
| 4.2 Logistic回归模型 | 第40-43页 |
| 4.2.1 模型建立结果 | 第41页 |
| 4.2.2 模型评价 | 第41-43页 |
| 4.3 神经网络模型 | 第43-46页 |
| 4.3.1 模型建立结果 | 第44页 |
| 4.3.2 模型评价 | 第44-46页 |
| 4.4 决策树模型 | 第46-50页 |
| 4.4.1 模型建立结果 | 第47-49页 |
| 4.4.2 模型评价 | 第49-50页 |
| 4.5 广义可加模型 | 第50-53页 |
| 4.6 总结与结论 | 第53-55页 |
| 参考文献 | 第55-56页 |
| 致谢 | 第56页 |